VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景
VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景如果将一台在视觉语言导航（VLN）任务中表现优异的机器人直接搬进家庭场景，往往会遇到不少实际问题。
来自主题: AI技术研报
7742 点击 2026-02-03 08:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
如果将一台在视觉语言导航（VLN）任务中表现优异的机器人直接搬进家庭场景，往往会遇到不少实际问题。
今天，我们分享 MiniMax-M2-her 背后的技术思考。M2-her 也是服务星野/Talkie的底层模型。
语析Yuxi-Know 是基于大模型RAG知识库与知识图谱技术构建的智能问答平台，支持多种知识库文件格式，如PDF、TXT、MD、Docx，支持将文件内容转换为向量存储，便于快速检索。
起因是这样的， 当我还在跟Mac Mini版满血版Clawdbot PK的时候，发现有人统计了排名前十的Clawdbot常见任务，分别是邮件处理，日历管理（日程提醒和会议安排），控制Claude Code开发，每日简报等，
一张薄如纸片、能卷在手指上的柔性芯片（不是柔性印刷电路板，是柔性集成电路），能做什么？
大家好，我是鲁工。 Vibe Coding概念火了之后，顺带在很多领域兴起了Vibe的潮流。比如Vibe PPT、Vibe Video，以及我今天要聊的Vibe Researching。
去年下半年，模型界最大的惊喜莫过于Sora 2和Veo 3，他们已经把视频生成推到了新高度：光影完美，纹理细腻，甚至有着很高的时空一致性。
今天推荐一个 Implicit Chain-of-Thought（隐式推理） 的最新进展 —— SIM-CoT（Supervised Implicit Chain-of-Thought）。它直击隐式 CoT 一直「扶不起来」的核心痛点：隐式 token 一旦 scale 上去，训练就容易塌缩到同质化的 latent 状态，推理语义直接丢失。
怎样做一个爆款大模型应用？这恐怕是2026年AI开发者们都在关注的问题。当算力和性能不再是唯一的护城河，“爆款”意味着大模型要能精准地“抓住”每一名具体的用户，而个性化正是其中的关键技术之一。
AI生成一张图片，你愿意等多久？在主流扩散模型还在迭代中反复“磨叽”、让用户盯着进度条发呆时，阿里智能引擎团队直接把进度条“拉爆”了——5秒钟，到手4张2K级高清大图。
近年来，Vision-Language Models（视觉—语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。
大模型的能力正在被不同的范式逐步解锁：In-Context Learning 展示了模型无需微调即可泛化到新任务；Chain-of-Thought 通过引导模型分步推理来提升复杂问题的求解能力；近期，智能体框架则赋予模型调用工具、多轮交互的能力。
今天上午，上海创智学院 OpenMOSS 团队联合初创公司模思智能（MOSI），正式发布了端到端音视频生成模型 —— MOVA（MOSS-Video-and-Audio）。
我有个观察：善用 Coding Agent 的人有个共同点——他们擅长定义问题、拆解问题、验收结果。这类人通常有技术管理经验。
为什么让多模态大模型“一步一步思考”（”Let’s think step by step”）来回答视频问题，效果有时甚至还不如让它“直接回答”？
哈喽，大家好，我是刘小排。 最近我见到人就推荐Clawdbot。
五个真实物理任务实测，PhysMaster 可推导、写码、数值验证。
最近Clawdbot（现：Moltbot）全网爆火。它能接管你的社交媒体，能发帖、能监听、能回复、能长期驻场。不是一次性回答，而是持续存在。
扩散语言模型（Diffusion LLMs, dLLMs）因支持「任意顺序生成」和并行解码而备受瞩目。直觉上，打破传统自回归（AR）「从左到右」的束缚，理应赋予模型更广阔的解空间，从而在数学、代码等复杂任务上解锁更强的推理潜力。
美国机器人界掌管demo的神，Figure，冷不丁又出一拳！
一个开源AI，能记住你几个月前的决定、在本地替你跑活、还不受大厂控制：Clawdbot到底是个人助理，还是下一代「赛博打工人」？
为什么在LLM推理能力大幅跃升的2026，我们依然只有AI Copilot而没有AI Teammate？尽管AI编程工具遍地开花，但不管是Claude Code还是Codex，本质上仍是“单Agent开发”或“主从控制”架构。而“AI结对编程”迟迟无法落地？
最近，在GitHub上发现一个宝藏项目Project_Golem 。
如果你关注前端或 AI 圈，这几天一定被 Vercel 最新开源的 json-render 刷屏了。
AI 智能体是人工智能领域的重要研究方向之一。近期，字节跳动的李航博士在我国计算机科学领域顶级期刊 Journal of Computer Science and Technology（JCST）上发表了一篇题为《General Framework of AI Agents》的观点论文（将收录于 JCST 创刊 40 周年专辑），提出了一个涵盖软件智能体和硬件智能体的通用框架。
这几天，相信大家肯定都被一个产品名给刷屏了。
单目 3D 语义场景补全 (Semantic Scene Completion, SSC) 是具身智能与自动驾驶领域的一项核心技术，其目标是仅通过单幅图像预测出场景的密集几何结构与语义标签。
在技术如火如荼发展的当下，业界常常在思考一个问题：如何利用 AI 发现科学问题的新最优解？
在 AI 浪潮席卷全球的今天，大模型在写诗、作画、敲代码上已经展现出惊人的天赋。然而，在面对严谨、硬核的物质科学（物理、化学、材料）时，却常常表现得像个“偏科生”：它们能侃侃而谈化学理论，却在最基础的分子式、晶体结构书写和反应推理上频繁出现不稳定输出：说的像那么回事，写出来却漏洞百出。